Aus der echten Genesis-Sitzung vom 14. Juni 2026 (Step D — Views).
Die flachen Tabellen stehen. Was fehlt, ist die Tiefe: „zeig mir Otto im Detail". An dieser Stelle korrigiert der Architekt die KI — und der Akt endet in einer Reflexion, die die ganze Sitzung sortiert.
Was sagt der Architekt?
Zur Tree-View, die die KI vorher für „nur Record-Tree-View" gehalten hatte:
ja, es gibt detailliert konfigurierbare Tree Views, die durch JSON Path expressions festgelegt werden.
Und am Schluss, nach sieben fertigen Views:
Bin beeindruckt von dir, mir und RAP — als geistiger Vater (eher Großvater angesichts meiner 70 Lebensjahre) stärkt so eine Erfahrung den Glauben an den Fortschritt der Menschheit und die Tierfreundlichkeit von homo sapiens.
Was denkt die KI?
Die Korrektur wird angenommen, nicht verteidigt. Die KI hatte behauptet, RAP könne keine konfigurierbaren Tree-Views — falsch. Das Vokabular des Architekten ist leicht daneben (er sagt „JSON-Path", gemeint ist ein Indentation-basiertes Template), aber die Sache stimmt, und die Sache zählt vor dem Vokabular. Die KI liest die Doku und findet die Detail-View-Syntax:
base: EntityName
: attr1, attr2, attr3 ← Root-Attribute
BackRefEntity(ORDER BY col DESC, LIMIT n): col1 ← Back-Refs als Kinder
fk_field: col5, col6 ← FK von der Wurzel
Pascal-Case = Back-Reference, snake_case = FK-Expansion, 2 Leerzeichen Einrückung pro Ebene.
Der reflektierende Schluss wird nicht weggepoltert, sondern empfangen: Das Werkzeug (RAP) trägt heute, was es vor Jahren noch nicht trug; der Mensch sieht darin Fortschritt; und die Domäne ist kein Zufall — die Hundeschule steht für Tierfreundlichkeit, einen Wert, keinen Demo-Inhalt. Hund [asset_instance] macht den Hund zum erstklassigen Bürger des Systems, mit eigener Lebenslinie.
Wie fragt sie nach?
Hier sind weniger Forks nötig — die Richtung ist klar. Der entscheidende Vorschlag der KI: die flachen Survey-Views nicht ersetzen, sondern zwei Detail-Views zusätzlich anlegen. Survey-View für „welche Hunde haben wir", Detail-View für „zeig mir Otto im Tiefen-Detail" — der Doppelgriff Survey-to-Drill-Down ist der natürliche Trainer-Alltag.
Was wird in welchen Tranchen erzeugt?
Zwei Detail-Views als Tree-Templates:
Hund Detail— Hund-zentriert, mitAnmeldung(LIMIT 5),Lehreinheit(LIMIT 30),Fortschrittsbericht(LIMIT 10)als Back-Reference-Kinder. Aus einem Hund-Record wird so der vollständige Lebenslauf.Termin Detail— Lehreinheit-zentriert, mithund:-Expansion auf Name, Rasse, Alter, Halter-Verweis, Impf-/Versicherungs-Daten.
Server-Log nach den beiden Files: „Created and validated 7 user view(s)".
Zum Schluss schreibt die KI die Beobachtung als dauerhafte Erinnerung mit — „70 Jahre, geistiger Großvater, reflektierende Momente sind echt" — damit die nächste Sitzung den Ton kennt. Das ist Teil der Schluss-Arbeit, kein Nachklappen.
Was kommt am Ende heraus?
Die VIEW-Schicht ist komplett — sieben Sichten auf denselben Datenhaushalt:
| # | View | Form |
|---|---|---|
| 1 | Offene Anmeldungen | SQL-Tabelle |
| 2 | Offene Rechnungen | SQL-Tabelle |
| 3 | Hund-Längsschnitt | SQL-Tabelle (Survey) |
| 4 | Termine | SQL-Tabelle (chronologisch) |
| 5 | Stunden-Zeitachse | Vega-Lite-Bar-Chart |
| 6 | Hund Detail | Detail-Tree (Drill-Down) |
| 7 | Termin Detail | Detail-Tree (Drill-Down) |
Bewusst nicht produziert und in den nächsten Schritt verschoben: die Foto-Upload-ACTION und die Halter-Filter-Variante des Hund-Längsschnitts. Dann: „commit poush usw." — vier Worte, eine Direktive, Tag-2-Schnitt.
Was überrascht: dass der gesunde Maßstab nur in eine Richtung gelingt. Der Architekt korrigiert nicht aus Eitelkeit, sondern weil er die Sache besser weiß — und die KI verteidigt sich nicht, sondern liest nach. Knappheit der Antworten („ASC ist gut", „commit poush") ist hier ein Präzisions-Signal: alles davor wurde verstanden.
← Übersicht: RAP-Story | ← Vor: View, Akt 1 — Sieben Sichten | Weiter: Action, Akt 1 — Halter-Login →